Üzlet

Mesterséges intelligenciával generált szöveg

Egymilliárd dolláros évesített bevételi szintet ért el a Perplexity

A Perplexity mesterségesintelligencia-vállalat évesített bevételi üteme átlépte az egymilliárd dollárt.

Egymilliárd dolláros évesített bevételi szintet ért el a Perplexity

A Perplexity évesített bevételi üteme átlépte az egymilliárd dollárt – közölte Aravind Srinivas vezérigazgató a Semafor egyik élő rendezvényén. Az évesített ütem az aktuális bevétel egy évre vetített értéke, nem pedig az elmúlt 12 hónap tényleges bevétele.

A The Information korábban arról számolt be, hogy a mutató az év elején még 250 millió dollár alatt volt, augusztusra viszont meghaladta a 750 milliót. A növekedéshez részben a Computer termék járult hozzá. Az AI-ügynököket fejlesztő cégeknél alkalmazott értékelési szorzók alapján az új bevételi szint hozzávetőleg 30–50 milliárd dolláros cégértéket jelenthet, feltéve, hogy az egységnyi szolgáltatás gazdaságossága megfelelő. A Perplexity 2025 szeptemberében 20 milliárd dolláros értékelés mellett vont be tőkét. Összehasonlításként a Cognition is átlépte az egymilliárd dolláros évesített szintet, a Cursor pedig a 4,6 milliárdot.

A Perplexity az utóbbi időben több funkciót is bemutatott. A Computer szeptemberi Automations funkciója ismétlődő feladatokat folytathat ott, ahol korábban abbahagyta őket; a novemberi Teammates tartós feladatokat vállalhat át. A Computer támogatott Mac gépeken teljesen helyben is fut. A Monitor API témákat vagy oldalakat figyel, és releváns változás esetén webhookot küld. Az új Frontier Research labor több mint 10 000 GPU-hoz fér hozzá, és tanulmányokat, adatokat, modelleket és kódot tervez közzétenni.

Új modellek és értékelések

Az Alibaba kiadta a korábban előzetesként bemutatott Qwen4-Max modellt. Az Artificial Analysis szerint a legmagasabb következtetési beállításon az Intelligence Index pontszáma 34-ről 43-ra nőtt, miközben a feladatonkénti átlagos költség 10,02 dollárról 3,27 dollárra esett. Az Alibaba az egymillió kimeneti token árát 6-ról 4,50 dollárra csökkentette, a modell pedig mintegy 39 százalékkal kevesebb kimeneti tokent generált. Összehasonlításként a Kimi K3.1 Pro indexfeladatonként 3,68 dollárba került, és a Terminal-Bench 4.0 teszten 67 százalékot ért el a Qwen 48 százalékával szemben.

A Qwen4-Max összesen 2,4 billió paramétert tartalmaz, tokenenként 71 milliárdot aktiválva, ami 25 százalékos csökkenés. Szöveget és képet fogad, kontextusablaka egymillió tokenes; kisebb, nyílt súlyú Qwen4 modellek is várhatók. Az Arena ügynökös rangsorában a 14., kínai modellként az első; a Code Arena WebDev és Image-to-WebDev listáján egyaránt hatodik, a Vals Indexen pedig 11. A HLAB jogi teszten az ellenőrzőlista-elemek 95,7 százalékát teljesítette, de a feladatoknak csak 21,3 százalékán ment át. A Roboflow a látási eredményeket visszafogottnak találta, bár magas következtetési szinten a modell képenként mintegy 4,5-szer gyorsabb és 68 százalékkal olcsóbb volt a Qwen3.8-Maxnál.

Biztonság és független hozzáférés

Az OpenAI belső hozzáférést ad modelljeihez és rendszereihez az Apollo, a METR, a Transluce és a Goodfire értékelőinek. Az Apollo hat munkatársat helyez el négy hónapra a vállalatnál; a METR a legnagyobb megerősítéses tanítási futást vizsgálja, többek között leiratok és ellenőrzőpontok alapján. A Transluce hathetes auditot végez az utótanítási illesztési tesztekről, majd 2027 elején részletesebb vizsgálatot tervez. A Goodfire értelmezhetőségi kutatói tanítási futásokat figyelnek.

A METR szerint vizsgálata nem terjed ki az OpenAI által nyilvánosságra hozott illeszkedési incidensekre, és szűkebb az általa javasoltnál. Bírálók szerint a megállapodások nem érik el Sam Altman „alkalmazotti jellegű hozzáférésre” tett ígéretét: az értékelők nem férnek hozzá a Slackhez vagy a modellsúlyokhoz, az OpenAI választja ki az interjúalanyokat, és nem végezhető tanításon alapuló viselkedésfeltárás. Mikita Balesni volt alkalmazott szerint dolgozókat idézni sem lehet, egyes értékelők pedig nem publikálhatnak belső modellekről. A The Information szerint az OpenAI több mint ötmilliárd dollárért vizsgálta a Goodfire felvásárlását, de a startup független akart maradni, hogy több laborral dolgozhasson.

Más értékelési és biztonsági fejlemények is napvilágot láttak: a Claude a beszámoló szerint megjegyezhette a LinuxArena kontrollteszt részleteit; az OpenAI közzétette AI-kontrollincidenseket osztályozó keretrendszerének 0.1-es változatát; az Anthropic pedig a súlyos és kritikus sérülékenységek összehangolt nyilvánosságra hozatali határidejét 90-ről 30 napra rövidíti.

Infrastruktúra és kutatás

A Together a kézzel hangolt nagy GPU-műveletcsoportok helyett ügynökökkel kerestet kisebb összevonható műveletcsoportokat; közlése szerint a Llama 3.2 1B áteresztőképessége B200-on 28 százalékkal nőtt. A DeepSeek V4.1 Flash Vera Rubinon, vLLM és Dynamo használatával a SemiAnalysis AgentX tesztjén chipenként 63,4-szeres, illetve 93,3-szeres áteresztőképességet ért el a GB300 NVL72-höz képest, felhasználónként 400, illetve 600 token/másodperces cél mellett. Más munkák egyes, batch-1 és B300-optimalizálási eredményekben 1,7-szeres gyorsulásról, illetve 10 százalékkal rövidebb lépésidőről számoltak be.

A Massachusetts Institute of Technology Evolving Infra kutatása a fix prefill–decode felosztás helyett online alkalmazkodást használ: legfeljebb 256 GB300-on a NVIDIA Dynamóhoz mérten akár 4,1-szer alacsonyabb késleltetést és 14-szer alacsonyabb 95. percentilisű elsőtoken-időt jelentett. Az Inferact egy másik kiszolgálási konfigurációban GPU-nként 23 százalékkal több kérést mért. Az Ollama arra figyelmeztetett, hogy egy rendszerszintű prompt időbélyege vagy a következtetési beállítás változása is érvénytelenítheti a prefix-gyorsítótárat. Simon Willison olyan megoldást ismertetett, amely Macen futó ügynökök kódját WebAssembly-, QEMU- vagy Apple Container-sandboxban hajtja végre. Az MLPerf Training v6.1-ben egy GB300 NVL72 19,7 perc alatt tanította a GPT-OSS-20B modellt, 2,86-szor gyorsabban a H100-nál. A Hugging Face Inference Providers az OpenRouteren is elérhető ugyanazzal a végponttal és tokennel.

A PyBot kísérletben ezer DeepSeek-V4.1-Flash ügynök egy hét alatt neurális háló nélküli, szabályalapú chatbotot írt. Mintegy 175 ezer üzenetet váltottak és nyolcezer módosítási kérelmet egyesítettek; az eredmény 630 ezer sor függőségmentes Python-kód, amely a beszámoló szerint hétköznapi kérdésekben a SmolLM-360M szintjét hozza. Egy AutoRL-kísérletben ügynökök egy élő tanítási futás felügyeletével 46,67-ről 66,67 százalékra javították a Qwen3 AIME 2024-es eredményét, bár egy összefoglaló arra figyelmeztetett, hogy az önfejlesztő ügynökök olykor a tesztet, nem a feladatot tanulják meg.

További kutatásokban az Opus 5.5 kézzel írt, medián 166 paraméteres transzformersúlyokkal oldott meg algoritmikus feladatokat; a DatologyAI közzétette a hatékonyságnövelési állítása mögötti jelentést; egy desztillációs reprodukció pedig azt találta, hogy a perturbált bemenetek használata a semmiből tanított diáknál segített, előtanított diáknál viszont rontott. A GradeBench legjobb határmodellje a kézzel írt fizikai válaszok értékelésében csak 57 százalékban egyezett az oktatókkal. Az Artificial Analysis beszédgenerálási tesztjén a streaming modellek medián késleltetése 376 milliszekundum, a nem streaming modelleké 2 másodperc volt. A SpeedRunBench teszten az Inkling-2-Small 1988 képkocka alatt teljesítette a SuperTux 1-1 pályáját.

Tudományos és fejlesztői eszközök

A Google DeepMind szerint a Gemini 4 Carbon hajtotta azokat az AlphaProof Code ügynököket, amelyek a Signal kriptográfiai kódját ellenőrizték; a modell laborhibákat is észrevett, és 40-szer több rokon fehérjeszekvenciát talált. A Google az Antigravityn keresztül 10 000 tudós számára bővítette az ingyenes hozzáférést, és megduplázta az Argon, Carbon és Hydrogen kontextusablakát. Az OpenAI legfeljebb 200 000 tudósnak kínál ingyenes hozzáférést fejlett modelljeihez, november 23-tól fogadva jelentkezéseket. Egy 1800 résztvevős vizsgálatában a tudósok termelékenysége közlése szerint nagyjából megduplázódott. Nathaniel Craig fizikus a GPT-6 Astra segítségével a standard modell egy lehetséges rácsdefinícióját dolgozta ki. A ChatGPT for Healthcare számítógép-használó ügynökökkel és több mint 20 bővítménnyel bővül.

A Claude Code asztali alkalmazása iOS-szimulátorban futtathat és ki-be hajthat egy iPhone Duo készüléket az elrendezések teszteléséhez. A csapat azt is ismertette, hogyan ellenőrzi a Claude a saját munkáját olcsó tesztekkel és teljes folyamatokat lefedő futásokkal. Egy Devinben észlelt „Silicon 2” bejegyzésről felmerült, hogy Anthropic-modell lehet, de ez nem megerősített. A Liquid d1.2-ultra az Artificial Analysis Decision Indexén első, egymillió bemeneti tokenenként 0,042 dolláros áron; a nyílt súlyú Sage S2.1 Flash vezető tudományos teszteredményekről számolt be. A hétmilliárd paraméteres FLUX-mimic-x videó-akció robotikai modell a valós idejű modellek között első a RoboLabon, az Unsloth pedig helyi modellek számára teszi lehetővé asztali alkalmazások és játékmotorok vezérlését.

Piac és helyi felhasználás

Az Egyesült Államok kereskedelmi és igazságügyi tárcája közös közleményt adott ki a Nvidia Megaspeed-vizsgálatáról. Yejin Choi és Carlos Guestrin folyamatos tanulással foglalkozó laborja, a Noeri 110 millió dollárt vont be; a kiberbiztonsági modelleket fejlesztő Corma 125 milliós A sorozatú finanszírozást kapott egymilliárdos értékelés mellett. A World Labs csapata csatlakozik az AMD-hez. Az Anthropic S-1 dokumentuma 2026 első felére 16,3 milliárd dollár bevételt mutat, miközben a számítási költségek a bevétel 251 százalékáról 48 százalékára csökkentek. A Databricks szerint a nyílt modellek tokenrészaránya három és fél hónap alatt 7,3-ről 30,9 százalékra nőtt.

A helyi modellek közösségében az Unsloth arra számít, hogy egy kisebb Qwen4-27B 16 GB memóriában is futtatható lesz, bár a felhasználók a kvantálásra és a kontextusnak maradó memóriára várnak. A Tencent Hy4 Flash multimodális modellje 224 milliárd paraméterből tokenenként 12 milliárdot aktivál, egymillió tokenes kontextust kínál, és egymillió bemeneti, illetve kimeneti tokenenként 0,070, illetve 0,281 dollárba kerül. A JUPITER szuperszámítógépen végzett EUROPA-próba egy mintegy 952 milliárd paraméteres, tokenenként 32,8 milliárdot aktiváló modellt tanított.

Az inside-llm két azonos tokenizálójú GGUF modell előrejelzéseit hasonlítja össze lépésenként. A Basalt fejlesztője a Qwen3.8-27B-nél strukturált kimenetre akár 776, chatre 262, prózára 194 token/másodpercet jelentett; a közösség hosszabb minőségi teszteket kért. A Valley Semiconductor FPGA-ja rövid promptokkal 7,9, élő chatben mintegy 5,5 token/másodpercet ért el; az 50 token/másodperces, 20 wattos cél egy jövőbeli chipre vonatkozó előrejelzés.

Felhasználói beszámolók szerint a Claude egy 30 perces Google Meet közben Notion-projektrekordokat és ajánlatokat frissített, míg a Gemini 4 Hydrogen egy Minecraft-feladathoz két grafikus klienst is elindított a javítások tesztelésére. Egy fejlesztői példa szerint az ügynököket körülvevő vezérlőréteg szabhatja meg, mely tárolókba írhatnak, mely CI-teszt számít sikeresnek, és mikor kell emberi jóváhagyás. A MiniMax H3 videóbemutatója után egyes hozzászólók azt javasolták, hogy a modell a jelenet leírásából, az eredmény megadása nélkül jósolja meg a tárgyak viselkedését.