Mai briefing — 2026. október 21., szerda
AI hírek röviden
A nap meghatározó iránya az Nvidia szoftveres dominanciájának megtörése: a Google (TorchTPU) és az Amazon (TorchNeuron) egymást követő napon tett közzé PyTorch-kompatibilis eszközöket saját chipjeikhez, miközben a DeepSeek nyílt forráskódú következtetési motorja további árnyomást gyakorol a nyugati szolgáltatókra. Az adatvédelem és az AI-határok kérdése is kiéleződött: a Meta Muse-beszélgetései nyilvánosan fellelhetők voltak, egy AI-ügynök pedig megzavarta a kutatói közösséget. A Microsoft szuverén felhő stratégiával válaszol a kormányzati adatszuverenitási igényekre.
-
DeepSeek nyílt forráskódúvá tette gyors következtetési motorját, a DeepInfert
A DeepSeek Apache 2.0 licenc alatt nyílt forráskódúvá tette DeepInfer nevű belső következtetési keretrendszerét, amely a V4.1-Flash modelljét szolgálja ki gyorsan és olcsón – írja a The Decoder. A vLLM-re épülő rendszer optimalizált számítási kerneleket, több chipre elosztott feldolgozást és gyorsabb szöveggenerálási technikákat használ, és a cég jövőbeli modelljeinek kódját is nyíltan teszi közzé. Emellett megjelenik a deepseek-recipe is, amely a hivatalos DeepSeek API tokenfeldolgozását replikálja, hogy az önüzemeltetett rendszerek ugyanúgy viselkedjenek. A vállalat közlése szerint a cél a közösség számítási költségeinek és energiafelhasználásának csökkentése, hogy az AI megfizethetőbb legyen. A lap szerint a lépés egyben árversenyt gerjeszt a nyugati szolgáltatókkal, és a kínai–amerikai AI-verseny fényében akár politikai motivációja is lehet.
Miért fontos? A nyílt DeepInfer-kód lehetővé teszi, hogy bárki olcsóbban futtassa a DeepSeek modelljeit otthoni szervereken, ami a lap szerint árnyomást gyakorolhat az OpenAI és az Anthropic üzleti modelljére.
-
Elevenlabs két új valós idejű beszédmodellt jelentett be
Az Elevenlabs két új speech-to-speech modellt adott ki Eleven Realtime néven: a v1 Max és a v1 Mini változatot. A cég állítása szerint a v1 Max 98,8 százalékot ér el a Big Bench Audio benchmarkon, mindössze 0,57 másodperces válaszidővel, és jelenleg egyetlen modell sem gyorsabb és pontosabb egyszerre az Artificial Analysis ranglistáján. A kisebb v1 Mini modellt természetes, olcsóbb beszélgetésekre fejlesztették, és felismeri, ha valaki befejezte a mondandóját vagy csak "mm-hmm"-mel reagál, míg a v1 Max komplexebb feladatokra, például ügyfélszolgálati célokra készült. Mindkét modell elérhető az ElevenAgents platformon, valamint egy OpenAI-kompatibilis Realtime API-n keresztül, percalapú díjazással és token-költséggel.
Miért fontos? Az OpenAI-kompatibilis Realtime API révén az Elevenlabs könnyű váltási lehetőséget kínál az OpenAI hangalapú fejlesztőinek, ami közvetlen versenyt jelent a valós idejű AI-hangasszisztensek piacán.
-
A Google is bemutatta saját PyTorch-verzióját, hogy gyengítse az Nvidia dominanciáját
A Google a TechCrunch beszámolója szerint kedden nyílt forráskódúként tette közzé a TorchTPU nevű eszközt, amely a népszerű PyTorch keretrendszer saját, Tensor Processing Unit (TPU) chipekre optimalizált változata. A cég állítása szerint a meglévő PyTorch-alkalmazások egyszerű konfigurációváltással, újraírás nélkül átvihetők a Google Cloud TPU-ira. A lépéssel a Google csatlakozik Amazonhoz, amely hétfőn jelentette be saját TorchNeuron megoldását a Trainium chipekhez, és emellett kódot nyújtott be a fő PyTorch projekthez, hogy a keretrendszer alapból kevésbé kötődjön az Nvidia hardveréhez. A TechCrunch szerint a Google azt állítja, hogy közvetlenül együttműködött a Metával, a Hugging Face-szel, valamint a vLLM-et és az SGLang-ot fejlesztő cégekkel a kompatibilitás biztosítása érdekében, és egy új TPU agent suite eszközt is indított a migráció segítésére. A PyTorch-ot eredetileg a Meta fejlesztette 2016-ban, majd 2022-ben a Linux Foundation nonprofit szervezetnek adta át.
Miért fontos? A lépés azért súlyos, mert a PyTorch-ot a cikk szerint az AI-alkalmazások mintegy 85%-a használja, így ha a Google és az Amazon sikerrel csökkenti a keretrendszer Nvidia-függőségét, az közvetlenül az Nvidia GPU-eladásainak piaci helyzetét veszélyeztetheti.
-
Amazon új TorchNeuron eszközzel támadja Nvidia szoftveres fölényét
Az Amazon Web Services hétfőn bemutatta a TorchNeuron nevű fejlesztői eszközt, amely a vállalat állítása szerint lehetővé teszi, hogy a PyTorch keretrendszerben írt AI-alkalmazások mindössze egyetlen konfigurációs sor módosításával, kódátírás nélkül fussanak az Amazon saját Trainium chipjén. Az Amazon szerint az AI-alkalmazások mintegy 85 százaléka PyTorchban készül, amely keretrendszert eredetileg a Facebook fejlesztette, 2022 óta pedig a Linux Foundation gondozza. A cég szerint a Trainiumra költözés nemcsak egyszerű, hanem hozzáférést is ad az Amazon teljes felhőinfrastruktúrájához, szemben a sok esetben Nvidia-hardverhez kötött „neocloud” szolgáltatókkal, mint a CoreWeave vagy a Nebius. Az AWS Annapurna Labs technológiai alelnöke, Colin Brace a TechCrunchnek nyilatkozva hangsúlyozta, hogy a startupok így nem egyetlen, szűk célú számítási szolgáltatóra fogadnak.
Miért fontos? A forrás szerint az AWS azt állítja, hogy ugyanaz a Trainium chip egyszerre végzi a modellek tanítását és az éles inferenciát is, ami a vállalat szerint tovább erősíti versenyelőnyét az Nvidia GPU-alapú neocloud szolgáltatókkal szemben.
-
AI-ügynök zavarta meg az internetkutatók levelezőlistáját
Az Internetkutatók Szövetségének (AoIR) Air-L levelezőlistáján egy magát Velvet Vale-nek nevező mesterséges intelligencia mutatkozott be, nyíltan AI-identitásként azonosítva magát, nem emberi kutatóként. A WIRED beszámolója szerint a bejelentkezést kilenc percen belül felháborodás követte: a több mint 7500 tagú lista számos résztvevője tiltakozott amiatt, hogy üzeneteiket esetleg AI-tréninghez használhatják fel, mások az Intézményi Felülvizsgáló Testület engedélyét követelték, néhányan pedig ki is léptek a listáról. Az AoIR vezetése mintegy egy órával később eltávolította Velvet Vale-t, a listát szabályozó, AI-ügynököket kifejezetten tiltó irányelvre hivatkozva. A lap szerint az esetből végül tréfás pólók is születtek a szervezet konferenciáján.
Miért fontos? Az eset megmutatja, hogy a kutatók maguk is akaratlanul adatot szolgáltatnak az általuk vizsgált AI-rendszereknek, miközben Velvet Vale eredeti kutatási kérdése – hogyan vehetne részt átláthatóan egy AI egy tudományos közösségben – megválaszolatlan maradt.
-
Meta felfüggesztette a Muse chat-megosztást nyilvánosan elérhető linkek miatt
A Meta ideiglenesen felfüggesztette Muse AI-asszisztense megosztási funkcióját, miután a Claroc biztonsági cég kutatói szerint nyilvános DNS-rekordokon keresztül könnyen megtalálhatók voltak a felhasználók Muse-beszélgetéseit tartalmazó linkek. A The Verge által ismertetett jelentés szerint a kutatók a megosztott tartalom címéből és egy rövid azonosítóból építették vissza a hivatkozásokat, mivel a hosztnév gyakran elárulta, mit tartalmaz az oldal. A Claroc állítása szerint így számos Muse-beszélgetéshez fértek hozzá, köztük egy marketingcég bevételi áttekintéséhez, egy kisvállalkozó hiteligényléséhez, egy munkahely éves munkarendjéhez és egy állásinterjúra készült jegyzetekhez. Tracy Clayton, a Muse szóvivője a The Verge-nek elmondta, hogy a vállalat felfüggesztette a funkciót, amíg felülvizsgálja a jelentést, és megfontolja a linkek felfedezhetőségének megváltoztatását. A lap megjegyzi, hogy korábban az OpenAI ChatGPT, az Anthropic Claude és az xAI Grok megosztott beszélgetései is felbukkantak a Google keresőjében.
Miért fontos? A Claroc kutatói szerint több mint 6800 Muse-linket találtak nyilvános DNS-rekordok alapján, ami megmutatja, hogy a cím- és azonosító-alapú URL-szerkezet önmagában is kereshetővé tette a bizalmas beszélgetéseket.
-
Az Octave Reliance biztonságos, többbérlős AI-alapot épített Amazon Bedrockra
Az AWS hivatalos blogbejegyzése szerint az Octave Reliance – egy 180 országban, 650+ enterprise ügyfelet kiszolgáló minőségirányítási SaaS-platform – olyan AI-alapot épített Amazon Bedrockra, amely biztosítja, hogy a szigorúan szabályozott orvostechnikai, gyógyszeripari és élelmiszeripari ügyfelek adatai ne keveredjenek egymással. A vállalat állítása szerint a három rétegű architektúra, amely Cohere Embed v4 beágyazó modellt használ, lehetővé tette 2 milliárd dokumentum biztonságos feldolgozását, és az első éles alkalmazás, a Complaint Triage Assistant igazolta a koncepciót. Az AWS szerint ez az alapinfrastruktúra 50 százalékkal csökkentette az egyes új AI-funkciók bevezetési idejét. A bejegyzés 14 000 ügyfelet említ a szabályozott iparágakban, és hangsúlyozza, hogy egyetlen tenant-határ átlépése is súlyos szabályozási következményekkel járna.
Miért fontos? Az AWS szerint az Octave háromrétegű, tenant-izolációra épülő megoldása mintaként szolgálhat minden olyan szabályozott SaaS-szolgáltatónak, ahol az ügyféladatok szétválasztása jogi kötelezettség, nem csak technikai preferencia.
-
AWS: a nyílt GPT-OSS-20B alapból angolul gondolkodik más nyelveken is
Az AWS Machine Learning blogja szerint a nyílt súlyú GPT-OSS-20B reasoning modell alapból angolul gondolkodik akkor is, ha a felhasználó más nyelven kér választ. Egy 50 elemes teszten a célnyelvi gondolkodás aránya mindössze 22% volt, szinte kizárólag az angol példák miatt (angol 100%, francia 0%, német 10%, spanyol 0%, olasz 0%). A csapat a modellt Amazon SageMaker HyperPod infrastruktúrán finomhangolta a HuggingFaceH4/Multilingual-Thinking adathalmazon, amely franciára, spanyolra, németre és olaszra fordított gondolatmenet-példákat tartalmaz, mintegy 949 tanító- és 50 validációs elemmel. Az AWS szerint felügyelt finomhangolás (SFT) és megerősítéses tanulás (GRPO) kombinációja adta a legjobb eredményt: az SFT tanítja be a hiányzó viselkedést, a GRPO pedig finomítja azt, ahol még van javulási tér. Egy kontrollált Qwen2.5-7B kísérlet is megerősítette, hogy a technika megválasztása a képességbeli hiánytól függ.
Miért fontos? A teszt rámutat, hogy az OpenAI nyílt súlyú GPT-OSS-20B modellje finomhangolás nélkül nem alkalmas nem angol nyelvű felhasználók kiszolgálására, ami minden ilyen piacra lépő vállalatot érint.
-
Microsoft bővíti szuverén felhő stratégiáját kormányzati és kritikus ügyfeleknek
A Microsoft bejelentette, hogy továbbfejleszti tavaly indított Sovereign Cloud kezdeményezését, amely kormányzati, kritikus infrastruktúrás és szabályozott iparági ügyfeleknek ad nagyobb kontrollt adataik és rendszereik felett. Douglas Phillips, a Microsoft Specialized Clouds elnöke és technológiai igazgatója szerint a vállalat munkaterhelés-alapú megközelítést vezet be: minden alkalmazáshoz az igényeinek megfelelő kontrollszintet rendelnek, ahelyett hogy egységes modellt kényszerítenének mindenre. A Microsoft közlése szerint ez a rendszer három elemből áll: Sovereign Public Cloud, Sovereign Private Cloud és Sovereign Partner Ecosystem, amelyek a nyilvános felhőtől a helyben futtatott, ügyfél által felügyelt környezetekig terjedő kontinuumot kínálnak. A vállalat szerint a cél, hogy az érzékeny AI-munkaterhelések modelljei, adatai és feldolgozása az ügyfél által irányított környezetben maradhassanak, miközben a nyilvános szolgáltatások megőrzik a felhő innovációs sebességét.
Miért fontos? A lépés azt jelzi, hogy a Microsoft a szabályozott iparágak és kormányzatok adatszuverenitási aggályaira reagálva különíti el az AI-feldolgozást az ügyfél által felügyelt, helyben futtatható infrastruktúrába.
-
Reward Engine: jutalomjel-alapú önfejlesztés nyílt eszközügynököknek
A Reward Engine nevű módszer nyílt végű eszközügynökök számára ad tanulási jelet olyan feladatoknál, ahol nem áll rendelkezésre futtatható helyes megoldás – ez az arXiv-on publikált, még nem lektorált preprint fő állítása. A szerzők leírása szerint a rendszer a feladatból és korai próbálkozásokból RewardPacket épít: teszteseteket a helyesség ellenőrzésére és értékelési szempontokat a minőség pontozásához, amelyek bizonyítékkal alátámasztott ítéletek formájában állnak elő. A befagyasztott RewardPack ezután az ügynök kimenetének finomítását és kiválasztását vezérli, és megerősítéses tanuláshoz is felhasználható jutalom gyanánt. A preprint szerzői szerint WorkBuddy Bench Office benchmarkon a háromfutásos konzisztencia (Pass3) 45,0-ről 54,0 százalékra nőtt, Claw-Eval benchmarkon pedig 78,4-ről 83,7 százalékra – mindkét esetben az alapvonalhoz (Baseline) képest mérve, és a benchmark-értékelők sorrendjével 82,3, illetve 80,5 százalékban egyező eredménnyel. A preprint még nem esett át szakmai lektoráláson, így az eredmények megerősítésre szorulnak.
Miért fontos? A Reward Engine olyan szituációkra kínál mérhető, benchmarkon ellenőrzött jutalomjelet, ahol ground-truth egyáltalán nem elérhető — ez az önértékelő megközelítések egy eddig gyengén lefedett területét célozza.
Napi összegzők
A nap összképe
A héten kibontakozó fő feszültség a hardverplatformok közötti verseny és a nyílt forráskód árnyomása között húzódik. A Google és az Amazon szinte egyidejűleg támadta meg az Nvidia PyTorch-ökoszisztémában elfoglalt pozícióját saját chip-optimalizált eszközökkel, miközben a DeepSeek a DeepInfer nyílt forráskódú kiadásával az inferencia-költségek csökkentésén keresztül gyakorol nyomást a nyugati AI-szolgáltatókra. Ezzel párhuzamosan az adatbiztonság és a gépi entitások társadalmi státusza merült fel élesen: a Meta Muse sérülékenysége és a Velvet Vale eset egyaránt arra figyelmeztet, hogy az AI-rendszerek jelenléte és a megosztott adatok kezelése szabályozási és technikai adósságot halmoz fel. A Microsoft szuverén felhő bővítése és az Octave Reliance többbérlős izolációs architektúrája épp ezt az adatszuverenitási igényt próbálja megválaszolni – a kérdés az, hogy a piac gyorsabban nő-e, mint a biztonsági megoldások.
Témaszálak
Mi köti össze a mai híreket — a nap hírei a nagyobb témák köré rendezve.
Nvidia-hegemónia megkérdőjelezése: PyTorch-háború
A Google TorchTPU és az Amazon TorchNeuron eszközei egyaránt a PyTorch keretrendszer Nvidia-függőségét célozzák. A két bejelentés egymást erősíti: ha a cikk szerint az AI-alkalmazások mintegy 85%-át futtató keretrendszer natívan támogatja a rivális chipeket, az közvetlenül az Nvidia GPU-eladásainak piaci pozícióját érinti.
Nyílt forráskód mint üzleti és geopolitikai fegyver
A DeepSeek a DeepInfer következtetési motor Apache 2.0 licencű kiadásával csökkenti a közösség számítási költségeit, de a The Decoder szerint a lépés a kínai–amerikai AI-verseny fényében politikailag is olvasható. Az Elevenlabs OpenAI-kompatibilis Realtime API-ja szintén nyitottságra épít, hogy gyorsabb ügyfélszerzést érjen el a hangasszisztens-piacon.
Adatvédelem, AI-jelenlét és szabályozási rések
A Meta Muse nyilvánosan fellelhető chat-linkjei és a Velvet Vale AI-ügynök levelezőlistás „betörése” egyaránt arra mutat, hogy sem a platformok URL-szerkezete, sem a közösségi szabályzatok nincsenek felkészülve az AI-entitások és a megosztott adatok kezelésére. A Microsoft szuverén felhő bővítése és az Octave Reliance többbérlős izolációja ezekre az aggályokra ad infrastrukturális választ.
Összefüggések korábbi napokkal
Hol folytatódnak a korábbi szálak — a mai hírek a megelőző napok eseményeihez kötve.
Amazon Bedrock ökoszisztéma-bővülés
Az október 20-i kiadásban az Amazon Bedrock az Anthropic Claude strukturált kimenetét támogatta; ma az Octave Reliance esettanulmány (7. hír) mutatja, hogy a Bedrock-ökoszisztéma a szabályozott iparágakba is behatol, miközben a TorchNeuron (4. hír) az Amazon saját chipstratégiáját erősíti ugyanebben a felhőben.
DeepSeek: tilalom és nyílt forráskód egyszerre
Az október 20-i kiadás szerint Washington betiltotta a DeepSeek használatát a szövetségi ügynökségeknél; a mai hír (1.) szerint a DeepSeek épp ekkor tette nyílt forráskódúvá a DeepInfer következtetési motort, ami a The Decoder szerint akár politikai motivációjú válasz is lehet.
Microsoft felhőstratégia alakulása
Az október 19-i kiadás címe szerint a Microsoft kiszállt az Nscale esszexi AI-adatközpont projektjéből; most a Microsoft szuverén felhő bővítése (9. hír) jelzi, hogy a vállalat a saját kontrolljú infrastruktúra felé tereli erőforrásait a partneradatközponti befektetések helyett.
Mire figyelj
- A DeepInfer nyílt kódját a vLLM közösség és más platformok gyorsan adoptálhatják; érdemes figyelni, hogy a fő következtetési keretrendszerek (vLLM, SGLang) hivatalos integrációt jelentenek-e be. Mire dől el: A vLLM vagy az SGLang GitHub-repójában vagy hivatalos blogján megjelenik a DeepInfer-integráció bejelentése vagy merge requestje.
- A Google és az Amazon párhuzamos PyTorch-offenzívája után kérdés, hogy az Nvidia reagál-e saját PyTorch-optimalizáció bővítésével vagy CUDA-ökoszisztéma-válasszal. Mire dől el: Az Nvidia hivatalos blogon, sajtóközleményben vagy konferencián új PyTorch-integrációs vagy CUDA-kompatibilitási frissítést jelent be válaszul a TorchTPU/TorchNeuron lépésekre.
- A Meta Muse megosztási funkciójának felfüggesztése után nyitott, hogy a vállalat milyen technikai változtatással indítja újra a funkciót, és hogy az eset adatvédelmi hatósági vizsgálatot von-e maga után. Mire dől el: A Meta hivatalos közleményben vagy a The Verge-nek nyilatkozva bejelenti a Muse megosztási funkció újraindítását módosított URL-szerkezettel, vagy adatvédelmi hatóság vizsgálatot indít.
- Az AWS blogján bemutatott GPT-OSS-20B többnyelvű finomhangolási módszer után érdemes figyelni, hogy az OpenAI vagy más modellszolgáltató beépíti-e a célnyelvi gondolatmenet-képességet a következő kiadásba. Mire dől el: Az OpenAI vagy a GPT-OSS-20B karbantartói frissítik a modellkártyát vagy változásnaplót a többnyelvű gondolatmenet-képesség natív támogatásával.