multimodális AI
GLM-5.3 Flash: multimodális kódolóügynök érkezett a Novita AI-ra
Elérhetővé vált a GLM-5.3 Flash a Novita AI szerver nélküli, tokenalapú API-ján. A Z.ai modellje szöveges, képi és videós bemenetet kezel, és hosszú kódolási, illetve…
Qwen3.8 Flash érkezett a Novita AI-ra, multimodális API-ként
A Novita AI elérhetővé tette a Qwen3.8 Flash modellt szerver nélküli, multimodális API-ként. A modell a Qwen4 architektúra korai előzetese, 1 millió tokenes…
Megjelent a Langfuse v4, gyorsabb értékeléssel és multimodális támogatással
A Langfuse kiadta a Langfuse v4-et, új értékelőbeállítási folyamatot vezetett be, és kép-, hang-, videó- és PDF-tartalmak elemzésére is alkalmassá tette az értékelőket.…
Javította a V8.2 képszerkesztő modell képminőségét a Midjourney
A Midjourney 2026. augusztus 29-én bejelentette, hogy frissítette V8.2 edit modelljét. A közlés szerint a módosítás célja a jobb képminőség.
KutatásA Netflix képes lehet gyorsabban személyre szabni az új címek képeit
A Netflix multimodális beágyazásokkal fejleszti a filmek és sorozatok képeinek, valamint videóelőnézeteinek személyre szabását. A vállalat szerint az új módszer már a…
A Midjourney megnyitotta tesztelésre első V8.2 képszerkesztő modelljét
A Midjourney 2026. augusztus 27-én bejelentette, hogy mindenki számára elkezdi megnyitni első V8.2 képszerkesztő modelljének tesztelését. Az új modell képek…
Bemutatkozott a Samsung Galaxy S26 FE One UI 9-cel és 7 év frissítéssel
A Samsung Electronics 2026. augusztus 27-én bejelentette a Galaxy S26 FE-t, a Galaxy S26 család új tagját. A készülék a termékvonal első modellje, amely már induláskor…
A Character.AI szerint a sorozat vége csak a történet kezdete
A Character.AI első eredményei szerint a felhasználók a rövid sorozatok epizódjai után is folytatják a történetek felfedezését. A cég egy hónap után új epizódokat, rövid…
A Roboflow Playgroundban 134 számítógépes látásmodellt lehet összevetni
A Roboflow Playground ugyanazt a képet és promptot akár öt, összesen 134 támogatott számítógépes látásmodellnek adja át párhuzamosan. Az ingyenes környezetben többek…
Megjelent a Gemini Omni 1.1 Flash, több kontrollt kapnak a videós fejlesztők
A Google DeepMind 2026. augusztus 27-én bemutatta a Gemini Omni 1.1 Flash modellt, amely fejlesztőknek szánt, éles használatra kész frissítés a generatív videóhoz. Az…
A Cohere bemutatta a Parse dokumentumfeldolgozó modellt
A Cohere 2026. augusztus 27-én bemutatta a Parse nevű, vállalati dokumentumok feldolgozására szánt vision language modellt. A rendszer összetett, multimodális fájlokból…
Az Alibaba Cloud szerint a Wan3.0 a kész briefből indítaná az AI-videózást
A Wan3.0 célja, hogy a videógenerálás ne egyetlen szöveges promptból induljon, hanem azokból az anyagokból, amelyeket a csapatok már eleve használnak a munkához. Az…
Az Alibaba Cloud Wan3.0 már 30 másodperces videókat generál
Az Alibaba Cloud bemutatta a Wan3.0 videógeneráló modellcsalád új generációját, amely egyetlen generálással akár 30 másodperces videót készít. A rendszer szöveget…
Általánosan elérhető az Alibaba Cloud 30 másodperces videómodellje
Az Alibaba Cloud általánosan elérhetővé tette a Wan3.0 generatív videómodellt, amely egyetlen generálással akár 30 másodperces videót készít. A rendszer szöveg, kép…
Qwen3.8-Flash-Next: Alibaba új modellje NVIDIA GB300 NVL72 rendszeren fut
Az NVIDIA Developer 2026. augusztus 26-án közölt technikai bejegyzést a Qwen3.8-Flash-Next modellről és annak NVIDIA GB300 NVL72 rendszeren futtatásáról. Az Alibaba…
Az Eden AI több AI-modellt tesz elérhetővé a LangChainben
Az Eden AI és a LangChain integrációja egyetlen API-kulccsal kínál hozzáférést több nagy nyelvi modellhez, beágyazási modellhez és további AI-szolgáltatáshoz. A megoldás…
A Vercel AI Gatewayre érkezett a Z.ai GLM 5.3 Flash modellje
Elérhetővé vált a Vercel AI Gatewayen a Z.ai GLM 5.3 Flash modellje, amely szöveges és képi bemeneteket is kezel. A modell egymillió tokenes kontextusablakkal…
Az Alibaba Qwen 3.8 Flash modellje megérkezett a Vercel AI Gatewayre
A Vercel AI Gatewayen elérhetővé vált az Alibaba Qwen 3.8 Flash modellje. A modell szöveges és képi bemeneteket fogad, egymillió tokenes kontextusablakot kezel, és egy…
Termékek és eszközökA Convai AI-karakterei videókból és PDF-ekből is tanulhatnak
A Convai új In-Context Knowledge Bank funkciója videókkal, képekkel, PDF-ekkel és hangfájlokkal bővíti az AI-karakterek tudását. A rendszer a teljes csatlakoztatott…
A LangChain táblázatokkal, szövegekkel és képekkel bővíti a RAG-et
A LangChain három új szakácskönyvet tett közzé, amelyek a többvektoros visszakereső használatát mutatják be szövegeket, táblázatokat és képeket tartalmazó…
Virtuális kézmozdulatokkal segítené az XR-asszisztenseket a Google
A Google Research 2026. augusztus 25-én mutatta be az AgentHands nevű XR-kutatási prototípust. A rendszer nagy nyelvi modellre épül, és beszéddel szinkronizált, kifejező…
Személyes emlékekből készít játékokat az AI a demenciagondozásban
Személyes történeteket, családi fotókat és élettapasztalatokat alakíthat memóriajátékokká a Memory Lane Games új AI-prototípusa. A fejlesztés célja, hogy a demenciával…
Az Apple bemutatta a Manzano egységes multimodális modellt
Az Apple kutatói bemutatták a Manzano nevű multimodális modellt, amely ugyanabban a rendszerben képes vizuális tartalmak megértésére és létrehozására. A kutatók szerint…
A Vercel AI Gatewayre érkezett az Alibaba Wan 3.0 videómodellje
Az Alibaba Wan 3.0 videómodellje elérhetővé vált a Vercel AI Gatewayen, ahol az alibaba/wan-v3.0-video azonosítóval használható. A modell szövegből és képből is készít…