multimodális AI
Az Alibaba megnyitotta a Qwen3.8 modellek súlyait
Az Alibaba bemutatta a Qwen3.8-27B nyílt súlyú multimodális modellt, és közzétette a Qwen3.8-2.4T-A95B zászlóshajó súlyait is. A vállalat szerint az új modellek…
Az NVIDIA szerint a világ-akciómodellek javíthatják a robotok alkalmazkodását
Az NVIDIA Developer 2026. augusztus 4-én ismertette, hogyan alakíthatók a videós világmodellekre épülő world action modellek robotmanipulációs irányelvekké. A cég…
Kereskedelmi használatra is elérhető az NVIDIA Alpamayo 2 Super
Az NVIDIA 2026. augusztus 4-én bejelentette, hogy az Alpamayo 2 Super kereskedelmi használatra is elérhető. A vállalat szerint a modell a robotaxik és más autonóm…
NVIDIA Alpamayo 2 Super: nyílt VLA-modell önvezető autók fejlesztéséhez
Az NVIDIA Developer 2026. augusztus 4-én mutatta be az Alpamayo 2 Super modellt, egy nyílt, 34 milliárd paraméteres vision-language-action rendszert autonóm járművek…
A Microsoft és a Paige patológiai nyelvre tanított AI-modellt mutatott be
A Microsoft 2026. augusztus 4-én számolt be a PRISM2 nevű patológiai alapmodellről, amelyet a Microsoft Research és a Paige, a Tempus részeként működő vállalat kutatói…
Microdrama-sorozatokat indít a Character.AI, a szereplőkkel chatelni is lehet
Saját gyártású, rövid, mobilra szánt sorozatokkal bővíti kínálatát a Character.AI. A (c.ai) series három új microdrámával indul, amelyek szereplőivel a nézők az epizódok…
A Mistral bemutatta a Shieldstral multimodális biztonsági modellt
A Mistral AI 2026. augusztus 4-én bemutatta a Shieldstral nevű, 3B paraméteres, nyílt súlyú multimodális biztonsági osztályozót. A modell szövegek és képek moderálására…
Megjelent a FLUX 3 Video, hanggal és akár 20 másodperces klipekkel
A Black Forest Labs elérhetővé tette a FLUX 3 Video kezdeti változatát, amely szövegből és képekből legfeljebb 20 másodperces, hanggal kiegészített videóklipeket készít.…
Termékek és eszközökAz OpenAI új architektúrát épített a gyorsabb hangalapú AI-hoz
Az OpenAI 2026. augusztus 3-án ismertette, hogyan épített hat hónap alatt valós idejű rendszert a GPT-Live hangalapú AI-hoz. A cég szerint az új megközelítés a korábbi…
A Samsung bemutatta intelligens szemüvegét, a mobilos AI új felületeként
A Samsung intelligens szemüveget mutatott be a mobilos mesterséges intelligencia új belépési pontjaként. A készülék a látottak, hallottak és a környezet alapján kínálhat…
A Langfuse új grafikonokkal és API-s dashboardokkal bővült
A Langfuse júliusi frissítése könnyebbé teszi a nyomkövetési adatok elemzését: a szűrt táblázatokból grafikonok készíthetők, a dashboardok pedig API-n, CLI-n és MCP-n…
A Google új robotikai modellje videóból követi a feladatok haladását
A Google DeepMind bemutatta a Gemini Robotics ER 2 modellt, amely a robotok magas szintű irányítójaként valós idejű térbeli következtetésre, több lépés megtervezésére és…
Termékek és eszközökGPT-Realtime-ra épülő, éjjel-nappal működő értékesítési ügynököt teszteltek Japánban
Két hét alatt mintegy 30 ezren használták a Yamada Denki online áruházában az avatarin GPT-Realtime-ra épülő, többnyelvű vásárlási ügynökét. A hangon és szövegen…
Az NVIDIA valós idejű generatív szimulációt mutatott be sebészeti robotokhoz
Az NVIDIA Cosmos-H-Dreams a sebészeti robotikához fejlesztett, valós idejű generatív szimulációs megoldás. A projektet a Hugging Face-en ismertették, a bejegyzés…
Két új saját AI-modellt mutatott be a Microsoft
Nyilvános előzetesként elérhetővé tette a Microsoft a MAI-Image-2.5-Pro képalkotó és a MAI-Voice-2-Flash hangmodellt. A vállalat szerint az új modellek különböző…
A Black Forest Labs bemutatta a képet, videót és hangot együtt tanuló FLUX 3-at
Korai hozzáférésben elérhetővé vált a Black Forest Labs FLUX 3 nevű multimodális alapmodellje, amely képekből, videókból és hanganyagokból közösen tanul. A modell…
A FLUX 3 már robotokat is irányít a Black Forest Labs szerint
A Black Forest Labs és a mimic robotics közösen fejlesztette ki a FLUX-mimic modellt, amely a FLUX 3 multimodális alapmodelljére építve robotok cselekvéseit jósolja meg.…
Bemutatkozott a Galaxy Z Fold8 Ultra, Fold8 és Flip8
A Samsung bemutatta a Galaxy Z sorozat nyolcadik generációját: a Galaxy Z Fold8 Ultra, a Galaxy Z Fold8 és a Galaxy Z Flip8 hajlítható telefonokat. A londoni Galaxy…
A Galaxy ökoszisztémát a mindennapi szemüvegbe is beépíti a Samsung
A Samsung Londonban mutatta be intelligens szemüvegét, amely a Galaxy ökoszisztémát a mobiltelefonon túl, a mindennapi viselet részévé tenné. A készülék a Google-lel…
A Hugging Face újabb modelleket ígér, de a részletek hiányoznak
A Hugging Face oldalán megjelent a „Newer Models, Same Advantage” című bejegyzés, amelynek elérhető szövege azonban nem ismerteti részletesen a bemutatott modelleket…
Az MIT rendszere pontosabb 3D modelleket készít 2D tervekből
Az MIT és partnerei olyan rendszert fejlesztettek, amely látás és nyelvi modelleket tanít 2D képekből pontosabb CAD programokat készíteni. A GIFT nevű megoldás a modell…
Egyetlen látens tokennel tenné hatékonyabbá a képgenerálást az RepTok
Egyetlen folytonos látens tokennel reprezentálja a képeket a RepTok nevű generatív modellezési keretrendszer. A módszer önfelügyelt látásalapú transzformerek…
A Thinking Machines bemutatta az Inkling multimodális modellt
A Thinking Machines Inkling néven új, multimodális modellt mutatott be a Hugging Face-en. A modell szövegek, képek és hangok feldolgozására, valamint változtatható…
A NVIDIA szerint egy nap alatt 93 százalék fölé javítható a Cosmos 3
A NVIDIA TAO agent skills segítségével a Cosmos 3 Nano videós kérdésválaszolási pontossága 54,41 százalékról 93,35 százalékra nőtt a vállalat kísérletében. A NVIDIA…