🧩 Az Anthropic Cowork bővítményekkel erősíti vállalati kínálatát ↗
Az Anthropic egyre inkább a „munkahelyi mesterséges intelligencia” felé hajlik, és olyan plugin-stílusú építőelemeket dob piacra, amelyek lehetővé teszik a csapatok számára, hogy az ismételhető munkafolyamatokat egy belső alkalmazáshoz közelebb álló rendszerbe csomagolják.
A hangulat kevésbé a „kérdezz egy chatbotot”, és inkább az „add át a feladatot egy félig strukturált segítőnek”, ami unalmasnak hangzik, amíg eszedbe nem jut, hogy az unalmasban szokott lakni a pénz.
Van egy nyílt forráskódú kezdőkészlet is bővítményekből – alapvetően egy csendes felhívás a másolásra, finomhangolásra és szállításra –, és a gyakorlatban így válik kézzelfoghatóvá a legtöbb vállalati szoftver.
🧪 A Poetiq 45,8 millió dolláros indulótőkét szerzett LLM-et fejlesztő „metarendszeréhez” ↗
A Poetiq jelentős tőkebefektetést nyújtott be egy úgynevezett „meta-rendszer” felépítéséhez az LLM-ek számára – egy olyan réteghez, amelynek célja a kimeneti minőség javítása, miközben csökkenti a futásidejű költségeket is.
A lényeg az, hogy feladatpéldákkal adagoljuk, és ez segít a modellt valami ágensszerűbbé formálni, beépített iteratív önellenőrzéssel és finomítással. Olyan, mintha a modellhez egy apró belső projektmenedzsert adnánk... egy kicsit válogatósat, de mégis.
Ha működik, akkor egy praktikus feloldás. Ha nem, akkor csatlakozik a „megjavítottuk az LLM-eket” startupok halmához, amelyekről kiderült, hogy… többnyire csak hangulatok.
💸 A mesterséges intelligenciával foglalkozó startup kockázati tőkések titokban finanszírozzák ↗
A Basetent kezdik a „következtetési réteg” győzteseként beállítani – az a visszataszító rész, ahol a modellek élesben futnak, a költségvetések furcsává válnak, és a mérnökök ezredmásodperceket kezdenek számolni, mintha vizet adagolnának.
A cikk egy jelentős tőzsdei kört és nagy értékelést állít, és megemlíti az Nvidia részvételét, ami egyike azoknak a jeleknek, amelyeket az emberek szélkakasként kezelnek: ahol az Nvidia megjelenik, oda figyelem is jut.
Ez egyben emlékeztető arra is, hogy az aranyláz nem csak a legjobb modell megépítéséről szólt, hanem arról is, hogy a modell elég megfizethető legyen ahhoz, hogy folyamatosan bekapcsolva maradjon.
🧾 A WSJ jelentése szerint az OpenAI a negyedik negyedéves tőzsdei bevezetésre készül ↗
Az OpenAI állítólag egy IPO ütemterv alapjait készíti elő, valamint pénzügyi vezetői pozíciókat épít ki – olyan lépések, amelyek általában azt jelentik, hogy „komolyan vesszük a nyilvános piaci életet”, akár kimondják ezt hangosan, akár nem.
A mögöttes üzenet meglehetősen nyers: a határokon átívelő mesterséges intelligencia drága, a verseny intenzív, és hatalmas tőkealapok bevonása könnyebb, ha egy történetet az egész piacnak el tudsz adni – nem csak néhány magánbefektetőnek.
És igen, ez egy kicsit szürreális. Az „AI labor” és az „IPO előkészítés” ugyanabban a mondatban még mindig olyan, mintha két mágnes pattanna egymásra.
🤝 A ServiceNow és az Anthropic bejelentette a mesterséges intelligenciára vonatkozó megállapodását ↗
A ServiceNow partnerségre lép, hogy Claude-ot beépítse a munkafolyamat-verembe, alapértelmezett opcióként pozicionálva a modellt azokban az eszközökben, amelyeket az emberek már használnak az IT, a HR, a támogatás – minden olyan unalmas dolog – működtetéséhez, amely a vállalatokat talpon tartja.
A lényeg az elosztásban rejlik: ha a mesterséges intelligencia a munkafolyamatban helyezkedik el, akkor nem kell könyörögnie a felhasználóknak, hogy emlékezzenek a létezésére. Csak… ott van, és csendben harap bele az unalmas feladatokba.
Az ehhez hasonló megállapodások a „mindenhol ügynökök” narratívát is előremozdítják – még akkor is, ha az „ügynök” felében még mindig azt jelenti, hogy „egy bot, amely gyorsabban tölti ki az űrlapokat, mint te”
🕵️♂️ A Google „Agentic Vision” technológiát ad a Gemini 3 Flash-hez ↗
A Google DeepMind egy „Agentic Vision” ötletet fejleszt a Gemini 3 Flashhez – hagyni, hogy a modell végignézzen, cselekedjen (kódeszközökön keresztül), majd újra nézzen, ahelyett, hogy úgy tenne, mintha első pillantásra tökéletesen megértette volna a képet.
Ez olyan gyakorlati lépéseket jelent, mint az apró régiókra való nagyítás, a kivágás vagy apró számítások futtatása az érvelési folyamat részeként. Szinte komikusan nyilvánvaló, de – csendes módon – valódi lépést jelent a vizuális feladatokban a „magabiztos rossz válaszok” csökkentése felé.
Ha ez a minta beválik, a „látásmodell” jelentése megszűnik a „fotó leírása” jelentéssel bírni, és a „fotó kikérdezése” jelentéssel kezd el foglalkozni, ami kissé agresszívan hangzik... de talán pont erre van szüksége a pontosságnak.
GYIK
Mik azok az Anthropic Cowork bővítményei, és hogyan segítik a csapatokat?
A Cowork bővítmények olyan bővítményszerű építőelemekként vannak megfogalmazva, amelyek segítenek a csapatoknak az ismétlődő feladatokat félig strukturált munkafolyamatokká alakítani. A szabad formátumú „csevegés” helyett az ötlet inkább arra hajlik, hogy egy feladatot egy segítőhöz rendeljenek, aki egy következetes mintát követ. Sok vállalati AI-bevezetésben ez a struktúra általában megkönnyíti az alkalmazást, mivel a kimenetek kiszámíthatóbbnak tűnnek. A „kezdőkészlet” azt is sugallja, hogy a sablonok másolása és testreszabása a tervezett munkamódszer része.
Hogyan tér át a vállalati mesterséges intelligencia a chatbotokról a beágyazott munkafolyamatok felé?
Ezen frissítések fő vonása, hogy a vállalati mesterséges intelligencia eltávolodik az önálló chatbotoktól, és a mindennapi eszközökbe integrált megoldások felé halad. Amikor a mesterséges intelligencia egy meglévő munkafolyamatban él, a felhasználóknak nem kell külön felületet megnyitniuk. Ez általában a fenntartható használatot ösztönzi, különösen a rutin informatikai, HR és támogatási feladatok során. A hangsúly a megbízhatóságon és az ismételhetőségen van, nem az újdonságon.
Mit jelent a ServiceNow és az Anthropic partnersége a gyakorlatban?
A partnerséget úgy mutatják be, hogy Claude-ot beágyazzák a ServiceNow munkafolyamat-veremébe, alapértelmezett opcióvá téve azt a már használt rendszereken belül. Ez elsősorban egyfajta terjesztési játékként értelmezhető: a mesterséges intelligencia ott jelenik meg, ahol a jegyek, kérések és jóváhagyások már megtalálhatók. Sok szervezetben itt halmozódnak fel a kevésbé szexi, de nagy volumenű munkák. Az érték kevésbé a látványos demókban, mint inkább az unalmas lépések csendes eltávolításában rejlik.
Mit kellene tennie a Poetiq „meta-rendszerének” az LLM-ek számára?
A Poetiq egy olyan réteget kínál, amelynek célja a kimeneti minőség javítása és a futásidejű költségek csökkentése a modellek feladatpéldákkal és iteratív önellenőrzéssel történő alakításával. Gondoljon erre úgy, mint egy finomító ciklus hozzáadására, így a rendszer ellenőrizheti és módosíthatja a válaszokat, mielőtt végleges verzióra váltana. Sok folyamatban ez az ágensszerű viselkedésre hasonlít, anélkül, hogy teljes mértékben az egyszeri válaszokra támaszkodna. Az ígéret pragmatikus: kevesebb hiba és kevesebb pazarló számítás.
Miért lelkesednek a befektetők a „következtetési réteg” és az olyan cégek miatt, mint a Baseten?
A „következtetési réteg” az, ahol a modellek éles környezetben futnak, és itt válik fájdalmasan kézzelfoghatóvá a késleltetés, a megbízhatóság és a költségek. A cikk a Basetent valószínűsíthető győztesként pozícionálja a rendszer ezen kevésbé vonzó, de lényeges részén. Sok telepítésben nem a legjobb modell a fő korlátozó tényező – a költségvetés és a válaszidő. Az Nvidia részvételét gyakran úgy kezelik, mint az infrastruktúra szempontjának fontosságát jelző jelet.
Mi az „agentikus látásmód” a Gemini 3 Flash-ben, és miért fontos?
Az „agentikus látásmód” azt jelenti, hogy hagyjuk a modellt végignézni, eszközökön (például kódon) keresztül cselekedni, majd újra megnézni. Ez lehetővé teszi a gyakorlatias mozdulatokat, mint például a zoomolás, a kivágás vagy a kisebb számítások futtatása, ahelyett, hogy úgy tennénk, mintha az első pillantásra elegendő lett volna. A cél a vizuális feladatok során elkövetett magabiztos hibák csökkentése azáltal, hogy a vizsgálatot tudatosabbá tesszük. Ha ez a minta terjed, a látásmodellek inkább nyomozóként, mint narrátorként kezdenek viselkedni.