A Daybreak modellek mostantól elérhetők az AWS-en ↗
Az OpenAI Daybreak kiberbiztonsági modelljeit az Amazon Bedrock platformjára hozza. A Daybreak Blue a jóváhagyott védők számára hozzáférést biztosít a határ menti általános célú modellekhez, beleértve a GPT-5.6 Sol-t, míg a Daybreak Red a sebezhetőségi kutatásra, az exploit-validációra és a biztonsági tesztelésre összpontosít.
A nagyobb változás a telepítés: a vállalatok ezeket a képességeket a meglévő AWS biztonsági és irányítási beállításaikon belül futtathatják, ahelyett, hogy különálló MI-vermet építenének. A kiber MI sokkal közelebb kerül a hagyományos vállalati infrastruktúrához... és ez egy jelentős változás.
A Google Gemini alkalmazása elérte a havi 1 milliárd aktív felhasználót ↗
A Gemini átlépte az 1 milliárd havi felhasználót, ezzel a Google leggyorsabban növekvő termékévé vált. A hangvezérlés különösen népszerű, míg az élő kamera és a képernyőmegosztási interakciók a Gemini Live használatának jelentős részét képezik.
A Google azt is állítja, hogy a Gemini naponta több mint 150 millió képet generál, több mint 40 népszerű Android-alkalmazásban működik, és több mint 100 millió aktív felhasználója van iOS-en. Az egymilliárd felhasználó miatt a mesterséges intelligencia-asszisztensek versenye egy kicsit kevésbé kísérletnek, és inkább vízvezeték-szerelésnek tűnik.
AMIE: Az orvosi mesterséges intelligencia fejlesztése a videókonzultációkhoz ↗
A Google Research és a DeepMind az AMIE-t, az orvosi kutatásokra kifejlesztett mesterséges intelligenciájukat valós idejű videókonzultációkká alakították. A Gemini és a Project Astra segítségével létrehozott eszköz képes értelmezni a vizuális és hangjelzéseket, virtuális fizikális vizsgálatokat vezetni, és a beszélgetés során diagnózisokat felállítani.
Szimulált konzultációk során a klinikai értékelők az AMIE-t a diagnosztikai pontosság, az kórtörténet felvétele, a kezelés és a kommunikáció tekintetében erősre értékelték, míg a betegpartnerek a videót részesítették előnyben a szöveges csevegéssel szemben. Fontos kikötés: ez továbbra is egy kutatási rendszer, nem pedig valami, ami készen áll arra, hogy – szerencsére talán – helyettesítse a háziorvosát.
Az Anthropic azt állítja, hogy vízjelet fog adni a mesterséges intelligencia modelljei által generált szövegnek ↗
Az Anthropic szerint a Claude által generált szövegek és fájlok géppel észlelhető vízjelet fognak tartalmazni, hogy megfeleljenek az európai átláthatósági követelményeknek. Fájlok esetében a C2PA szabványt használják, míg a szöveges vízjelet úgy tervezték, hogy ellenálljon a másolásnak és beillesztésnek, és potenciálisan bizonyos szerkesztésnek is.
A rendszer modell szinten működik, így lefedi Claude-ot az API-ban, a Claude kódban, a Coworkben és más felületeken. A mesterséges intelligencia által írt szövegek vízjelezése történelmileg kissé nehezen kezelhető feladatnak bizonyult, így az is számít, hogy mennyire lesz ez robusztus a jelentős szerkesztés után.
🧠 Az Nvidia egybillió paraméteres Nemotron 4-et épít, hogy rivális legyen a nyílt mesterséges intelligencia modelljeihez – írja a The Information ↗
Az Nvidia a Nemotron 4-et fejleszti, egy nyílt mesterséges intelligencia modellcsaládot, amelynek legnagyobb verziója várhatóan legalább 1 billió paramétert tartalmaz majd a The Information szerint. A végső betanítás állítólag még folyamatban van.
Az Nvidia bemutatta a Nemotron 3.5 Lightningot olyan feladatokra, mint a kódáttekintés és a biztonsági monitorozás, valamint a NeMo Switchyardot, egy nyílt forráskódú routert, amely a feladatokat a legmegfelelőbb modellnek küldi. Az Nvidia a lapátokat árulja, miközben egy meglehetősen hatalmas lapátgyárat is épít... igen.
🏗️ Az IBM és a Together AI 240 millió dolláros megállapodást kötött egy Nvidia-alapú mesterséges intelligencia következtetési klaszterről ↗
Az IBM és a Together AI 240 millió dolláros, több évre szóló megállapodást írt alá egy nagyméretű mesterséges intelligencia-következtető klaszter létrehozására az IBM Cloudon. A kezdeti rendszer nagyjából 2000 Nvidia Blackwell 300 chipet fog használni az Nvidia Spectrum-X hálózatépítése mellett.
A Together AI azt tervezi, hogy a kapacitást olyan nyílt modellekhez használja, mint a DeepSeek, a MiniMax és a Kimi. A vezetőség arra számít, hogy a kereslet elég erős lesz ahhoz, hogy a klaszter gyakorlatilag elkeljen a szolgáltatás megkezdése előtt – a következtetési kapacitás váratlan fordulatként első osztályú ingatlanná válik.
💰 Az NVIDIA AI Factory Compute befektetésre érdemes eszközosztály lesz ↗
Az Nvidia bejelentette az Apollo, a BlackRock, a Blackstone, a Brookfield, a Goldman Sachs és a KKR vállalatokkal kötött finanszírozási partnerségeit, amelyek célja, hogy több mint 500 milliárd dollárnyi harmadik féltől származó tőkét mozgósítsanak mesterséges intelligencia infrastruktúrára.
A javaslat érdekes: a mesterséges intelligencia által üzemeltetendő gyárakat inkább infrastrukturális eszközökként kell kezelni, amelyeket a befektetők a kihasználtság, a pénzforgalom és a maradványérték alapján finanszírozhatnak. Az Nvidia biztosítja a számítástechnikai platformot, míg a pénzintézetek értékelik és finanszírozzák az egyes projekteket – a mesterséges intelligencia számítástechnikai fázisa a Wall Street-i fázisba lép.
GYIK
Mik az OpenAI Daybreak kiberbiztonsági modelljei az AWS-en?
Az OpenAI Daybreak kiberbiztonsági modelljei elérhetővé válnak az Amazon Bedrock kínálatában. A Daybreak Blue hozzáférést biztosít a jóváhagyott biztonsági szakembereknek a határ menti általános célú modellekhez, beleértve a GPT-5.6 Sol-t is, míg a Daybreak Red a sebezhetőségi kutatásra, az exploit validációra és a biztonsági tesztelésre összpontosít. A vállalatok számára a legfontosabb előny, hogy ezeket a modelleket a meglévő AWS biztonsági és irányítási környezetekben is telepíthetik anélkül, hogy külön MI infrastruktúra-csomagot kellene kiépíteniük.
Mennyire jelentős az, hogy a Gemini elérte az 1 milliárd havi aktív felhasználót?
A Google szerint a Gemini alkalmazás havi aktív felhasználószáma meghaladta az 1 milliárdot, így ez a vállalat leggyorsabban növekvő terméke. A hangalapú vezérlés különösen erős, míg az élő kamera és a képernyőmegosztás egyre fontosabbá válik a Gemini Live-on belül. A Google jelentős képgeneráló aktivitásról és széles körű elterjedésről is beszámol az Android- és iOS-alkalmazásokban, ami arra utal, hogy a mesterséges intelligencia által vezérelt asszisztensek egyre inkább a mindennapi fogyasztói használat részévé válnak.
Hogyan használja a Google AMIE a mesterséges intelligenciát videós orvosi konzultációkhoz?
Az AMIE egy Google Research és DeepMind által fejlesztett orvosi kutatási rendszer, amelyet valós idejű videós konzultációkhoz terveztek. A Gemini és a Project Astra felhasználásával készült rendszer képes értelmezni a vizuális és hanginformációkat, virtuális fizikális vizsgálatokat vezetni, és a beszélgetések során lehetséges diagnózisokat felállítani. A szimulált értékelések számos területen erős eredményeket hoztak, beleértve a diagnosztikai pontosságot, az kórtörténet felvételét, a kezelést és a kommunikációt, bár az AMIE továbbra is inkább kutatási rendszer, mintsem a klinikai ellátás helyettesítője.
Hogyan fog az antropikus vízjel Claude által generált szöveget megjeleníteni?
Az Anthropic szerint a Claude által generált szöveg géppel észlelhető vízjelet fog tartalmazni, amely megfelel az európai átláthatósági követelményeknek. A vízjel modellszinten működik, így a Claude összes termékében alkalmazható lesz, beleértve az API-t, a Claude Code-ot és a Cowork-öt. Az Anthropic szerint a szöveges vízjelet úgy tervezték, hogy ellenálljon a másolásnak, beillesztésnek és potenciálisan némi szerkesztésnek, míg a generált fájlok a C2PA szabványt fogják használni.
Mi az Nvidia Nemotron 4 és miért fontos a nyílt mesterséges intelligencia modellek esetében?
Az Nvidia állítólag a Nemotron 4-et nyílt mesterséges intelligencia modellek családjaként fejleszti, a legnagyobb verzió várhatóan legalább 1 billió paramétert tartalmaz majd. A végső betanítás állítólag még folyamatban van. Az Nvidia bemutatta a Nemotron 3.5 Lightning-et is olyan munkaterhelésekhez, mint a kódáttekintés és a biztonsági monitorozás, a NeMo Switchyard mellett, amely egy nyílt forráskódú router, amelyet úgy terveztek, hogy a feladatokat a számukra legmegfelelőbb modellre irányítsa.
Miért válik a mesterséges intelligencia következtetési infrastruktúrája befektetésre alkalmas eszközosztállyá?
A legfrissebb mesterséges intelligencia hírek szerint a következtetési kapacitást egyre inkább nagyméretű infrastruktúraként kezelik. Az IBM és a Together AI 240 millió dolláros, többéves megállapodást írt alá egy Nvidia-alapú következtetési klaszterre, míg az Nvidia finanszírozási partnerségeket jelentett be, amelyek célja, hogy több mint 500 milliárd dollárnyi harmadik féltől származó tőkét mozgósítsanak a mesterséges intelligencia infrastruktúrájába. A kialakulóban lévő modell az, hogy a mesterséges intelligencia gyárakat olyan tényezők alapján finanszírozzák, mint a kihasználtság, a cash flow és a maradványérték.