Megjelent a DeepSeek V4.1 Flash — gyorsabb, olcsóbb, multimodális
A DeepSeek ma, szeptember 10-én hivatalosan is kiadta V4.1 Flash modelljét, lezárva a mindössze két napja indult bétatesztelést. A kínai AI-labor azt állítja, hogy az új modell teljes mértékben felülmúlja a V4 Pro-t teljesítményben, költségekben, sebességben és válaszidőben egyaránt — ami merész kijelentés, tekintve, hogy a V4 Pro az egyik legerősebb elérhető modell volt.
A számok figyelemre méltóak: a V4.1 Flash akár 427 token per másodperc feldolgozási sebességre képes, teljesen új modellarchitektúrával és natív multimodális támogatással rendelkezik, ráadásul jelentős árcsökkentéssel érkezik. Érdekes lépésként a DeepSeek bejelentette, hogy amíg a V4.1 Pro meg nem jelenik, az összes V4 Pro API-kérést automatikusan a V4.1 Flash-re irányítják — a Flash alacsonyabb árazásával.
A megjelenés különösen kényes pillanatban érkezik: a V4.1 Flash mindössze napokkal azután jelenik meg, hogy az amerikai hírszerzés kiemelte a DeepSeek-et egy komoly desztillációs figyelmeztetésben. Legyen ez egybeesés vagy tudatos időzítés, a modell teljesítményállításait mind a versenytársak, mind a szabályozók alaposan vizsgálni fogják.
Az NSA, a CISA és az FBI hat kínai AI-céget vádol ipari méretű desztillációval
Amerika három legjelentősebb hírszerzési és kiberbiztonsági ügynöksége szeptember 8-án közös kiberbiztonsági figyelmeztetést adott ki, amelyben hat kínai AI-vállalatot nevez meg — DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun és Z.AI —, és „agresszív, rosszindulatú és célzott” desztillációs kampányokkal vádolja őket az amerikai élvonalbeli modellek ellen, 2024 végétől kezdődően.
A figyelmeztetés (AA26-251A) szerint ezek a cégek milliárdnyi tokent vontak ki milliónyi lekérdezésen keresztül az Anthropic Claude-jából, az OpenAI GPT-jéből, a Google Gemini-jéből és az xAI Grok-jából. A tudásdesztilláció lényege, hogy egy képesebb modell kimeneteit használják egy olcsóbb, kisebb modell betanításához — gyakorlatilag átvéve a képességeket az eredeti kutatás-fejlesztési befektetés nélkül.
A javasolt védekezés talán a legérdekesebb: a gyanús fiókok azonnali letiltása helyett az ügynökségek azt tanácsolják az amerikai AI-szolgáltatóknak, hogy csendben rontsák a válaszok minőségét a nagy biztonsággal azonosított, rosszindulatú desztillációt folytató fiókok számára. Ez a „puha védelmi” megközelítés megnehezíti a desztillátorok számára az észlelést, miközben megőrzi a normál szolgáltatást a jogos felhasználók számára.
A figyelmeztetés várhatóan újra lángra lobbantja a már amúgy is heves vitát arról, hogy a nyílt API-hozzáférés és a modelldesztilláció alapvető nemzetbiztonsági kockázatot jelent-e, vagy csupán a tudás természetes áramlását egy globális iparágban.
Forrás: CISA, Northeast Times, Help Net Security
Az OpenAI Navier–Stokes-állítása: történelmi áttörés vagy szerzőségi botrány?
Az OpenAI szeptember 8-án bejelentette, hogy egy belső AI-rendszere — amely állítólag meghaladja a GPT-6 Astra képességeit — bizonyítást készített a kényszerített 3D Navier–Stokes-egyenletek véges idejű felrobbanására, ami a hét Clay millenniumi díjjas probléma egyike, egyenként egymillió dolláros jutalommal. A vállalat szerint nagyjából 10 000 koordinált AI-ágens 2,7 millió üzenetet váltott és mintegy 130 milliárd tokent generált egy 88 órás autonóm futás során, majd az Astra további 17 órát töltött a bizonyítás formalizálásával és ellenőrzésével.
Ha a bizonyítás helytálló, ez lenne a mesterséges intelligencia eddigi legjelentősebb hozzájárulása a tiszta matematikához. Az bejelentést azonban azonnal szerzőségi vita árnyékolta be.
Tristan Buckmaster NYU-matematikus és Levent Alpöge, az Anthropic kutatója szorosan kapcsolódó kutatáson dolgoztak AI-eszközök segítségével. Buckmaster azt állítja, hogy az OpenAI Sébastien Bubeck-je egyedüli szerzőséget ajánlott neki — azzal a feltétellel, hogy Alpöge nevét távolítsák el a tanulmányból az Anthropic-nál betöltött pozíciója miatt. Buckmaster elmondása szerint visszautasította az ajánlatot, munkatársa félreállítási kísérletének nevezve azt.
A vita egy olyan bizalmi kérdést vet fel, amely csak egyre fontosabbá válik, ahogy az AI-laborok egyre erősebb kutatási eszközöket biztosítanak: biztonságosan használhatják-e a kutatók a frontier laborok platformjait kiadatlan felfedezéseik kidolgozásához anélkül, hogy ezek a laborok kihasználnák az adataikat?
Forrás: Fortune, Axios, VentureBeat
A Mistral AI lezárta €3 milliárdos körét — Európa valaha volt legnagyobb tech-befektetése
A Mistral AI €3 milliárdot gyűjtött a Series D körében, amelyet a Samsung Electronics vezetett, a Scaleup Europe Fund (az EQT kezelésében) és a PSG Equity társvezetésével. A kör a párizsi cég értékét több mint €21 milliárdra emeli — ami alig egy év alatt közel duplázódás a korábbi €11,7 milliárdos értékeléshez képest.
A befektetői lista a globális tech és pénzügyi világ krémje: Advent, BlackRock, a Luxemburgi Nagyhercegség, a16z, ASML, Bpifrance, NVIDIA és Korelya Capital. Ez az európai technológiai vállalatok valaha volt legnagyobb tőkebevonása.
A Samsung-partnerség a tőkén túlmutató stratégiai jelentőséggel bír. A Samsung integrálja a Mistral technológiáit, köztük a zászlóshajó Mistral Large modellt félvezető-műveleteibe. A Mistral számára ez egy jelentős hardverpartnerséget jelent, ami előnyt adhat a számítási kapacitás és a telepítés terén az egyre tőkeigényesebb AI-versenyben.
A Mistral a forrásokat számítási kapacitás bővítésére, infrastruktúra-építésre, kereskedelmi növekedés gyorsítására és nemzetközi terjeszkedésre kívánja felhasználni — küldetését a „szuverén, nyílt súlyú mesterséges intelligencia” köré építve, alternatívaként az amerikai és kínai dominanciájú modellpiaccal szemben.
Forrás: CNBC, TechCrunch, Mistral AI
Modellfáradtság: túl sok AI-modell, túl gyorsan?
Miután az Anthropic, az OpenAI, a Meta és a Google egyaránt jelentős új modelleket adott ki szeptember első hetében — sorrendben a Fable 5.1-et, a GPT-6 Astrát, a Muse Spark 1.3-at és a Gemini 3.8 Flash-t —, a CNBC arról számol be, hogy egy új jelenség terjed a nagyvállalati vásárlók körében: a modellfáradtság.
A Runpod vezérigazgatója, Zhen Lu „dezorientálónak” nevezte a tempót az IT-beszerzési döntéseket hozó szakemberek számára. Ezközben több mint 1100 alkalmazott a nagy AI-laborokból petíciót írt alá, amelyben Washingtóntól kérik, hogy segítsen lassítani a frontier AI-fejlesztést — ami figyelemre méltó lépés magán az iparágon belülről.
A fáradtságot tovább fokozza a McKinsey kutatása, amely szerint a megkérdezett szervezetek közel egyharmada döntött úgy, hogy nem vásárol szoftvertermékeket, mert AI-alapú kódolóágensekkel házon belül is megépíthetik az adott funkciót. Az „AI-modellek” és az „AI-val készült szoftver” közötti határ egyre inkább elmosódik, ami tovább bonyolítja a beszerzési döntéseket.
Forrás: CNBC