A legfrissebb Epoch Brief több, egymással összefüggő témát dolgoz fel: Huawei AI-chiptervét és gyártási kapacitását, a Nvidia gazdasági hozzájárulásának statisztikai alulbecslését az Egyesült Államok GDP-jében, az OpenAI és Anthropic nagy nyelvi modelljeinek eltérő viselkedését hosszú kontextusoknál, továbbá adatinsightokat és mérési eredményeket — köztük a GPT-6 Astra pre-release értékelését és a FrontierMath Erdős benchmark első előrelépéseit.
Kutatás: lesz-e Huawei belátható időn belül versenytársa Nvidia-nak?
A kutató Venkat Somala részletes jelentése a Huawei chiptervéről (Ascend 950-től a 3D-stacking megoldásokig és a hazai HBM-ellátásig) arra a következtetésre jut, hogy a Huawei meredek pályán halad, de jelenleg jelentősen le van maradva az iparági vezető Nvidia mellett. A legfontosabb tények:
- A Huawei legerősebb chipje körülbelül a dupláját nem teljesíti az Nvidia H100 aritmetikai teljesítményének; azaz hozzávetőlegesen a H100 teljesítményének fele.
- 2026-ra a jelentés szerint a Huawei által előállított AI-számítási kapacitás várhatóan kevesebb lesz, mint az Nvidia számított értékének 4%-a.
- A Huawei ambiciózus ütemtervet jelentett be, de a két fő eszköz, amellyel a lemaradást csökkenthetné — egyes chipek teljesítményének javítása és nagyobb darabszám gyártása — mindkettő exportkorlátozásokkal és beszállítói korlátokkal találkozik.
A jelentés konklúziója: még ha a Huawei teljesíti is a jelenlegi roadmapet, a felzárkózás az Nvidiához ebben az évtizedben nagyon valószínűtlen.
A „Nvidia-méretű” rés az amerikai GDP-statisztikában
A vezető kutató Isabel Juniewicz vezette csapat megállapította, hogy az Egyesült Államok GDP-statisztikái nem tükrözik teljes körűen azt az értéket, amelyet az amerikai cégek — különösen az Nvidia — az AI-chipek tervezésével teremtenek, ha azokat külföldön gyártják és értékesítik. Ennek következményei:
- A hivatalos adatok alapján az elmúlt év GDP-növekedése nagyjából 0,3 százalékponttal alul van becsülve.
- A jelenség rávilágít arra, miért látszik viszonylag szerénynek a GDP-hozam annak ellenére, hogy az amerikai beruházás a számítástechnikai berendezésekbe nagyjából évi 400 milliárd dollárra emelkedett — közel háromszorosára a 2023-as szinthez képest.
- A központi probléma: a nemzetközi gyártás és exporttorzítások miatt a hazai tervezés értéke nem jelenik meg teljes egészében a hazai GDP-ben.
Architektúra és válaszidők: GPT vs Claude hosszú kontextusoknál
A kutató Jason Li vizsgálata arra utal, hogy az OpenAI GPT-5.6 és az Anthropic Claude 5 modellcsaládjai mögött különböző architekturális döntések állhatnak, amit a válaszidők hosszabb kontextushosszakon való skálázódása jelez:
- Li a "time to first token" (TTFT) metrikát mérte kontextushosszak növekedésével egészen 1 millió tokenig.
- Az eredmények azt mutatják, hogy a GPT modellek válaszidejeiben jelentős kvadratikus összetevő jelenik meg (különösen 272k input token fölött a költségek és a késleltetés emelkednek), míg a Claude modellek skálázódása közelebb áll a lineárishoz és költségeik hosszú kontextusoknál stabilabbak maradnak.
Ez a viselkedés összhangban lehet a mögöttes tervezési megoldások különbözőségével, bár a jelentés óvatos abban, hogy közvetlen ok-okozati következtetéseket vonjon le.
Data Insights
- A legnagyobb AI-adatközpont IT-áramfelvételének rekordja 2024 közepe óta tíz havonta megduplázódik. A jelenlegi rekordtartó a SpaceXAI Colossus 2, amelynek becsült IT-teljesítményigénye 950 MW.
- Az Epoch Capabilities Index (ECI) frontvonala az első érvelő (reasoning) modellek (OpenAI o1-mini és o1-preview) bemutatása óta, 2024 szeptemberétől lineárisan évi 14 ponttal emelkedik. Összehasonlításképp a nem-érvelő modellek esetében az előrehaladás évi 6 pont körüli.
Kommentár: a legfontosabb szám az AI-nál — bevételnövekedés és fenntarthatóság
Anthropic és OpenAI 2025-ben már a leggyorsabban növekvő hasonló méretű vállalatok között voltak, és 2026-ban pedig bevételeik növekedése tovább gyorsult. A kutatók Josh You és Lynette Bye a Gradient Updates hírlevél legújabb kiadásában elemezték, mit jelent ez a növekedés a jövőre nézve, és mennyire tartható hosszabb távon.
Benchmarking és GPT-6 Astra értékelés
- OpenAI GPT-6 Astra (pre-release hozzáféréssel, az OpenAI 2026. szeptember 3-i kiadásához kapcsolódóan) több benchmarkon is rekordokat döntött. Az Epoch Capabilities Index élére került a 247 modell közül.
- A FrontierMath Erdős új, 68 formalizált (Lean) nyitott Erdős-problémából álló mérőszám első előrelépését mutatja: GPT-6 Astra volt az egyetlen modell, amely eddig érdemi előrelépést ért el, 2 problémát megoldva a 68-ból.
- Astra továbbá 98%-os eredményt ért el a FrontierMath: Tier 4-en, megoldva az utolsó fennmaradt problémát ezen a szinten; a szerzők ezért a benchmarkot telítettnek tartják.
Egyéb frissítések
- Az új AI Chip Users explorer adatai szerint az OpenAI számítási kapacitása két év alatt 17-szeresére nőtt — ez a növekedés az egyik legmarkánsabb példája az iparági összesített felfutásnak.
Karrier és bővülés
Az Epoch gyorsan bővül, és jelenleg több betöltendő pozíció van: Researcher / Senior Researcher, Data Scientist, Software Engineer (Benchmarking), Senior Product Designer, Writer & Editor, Social Video Producer, IT and Security Specialist. A jelentkezések folyamatosak; van lehetőség általános érdeklődés beküldésére és Special Projects Associate jelölésre is.
Korábbi anyagok (ICYMI)
- A legtöbb munkahelyi AI-használat ingyenes csomagokon történik, kivéve a tudomány és technológia területét (2026. augusztus 14.)
- A negyedévente vásárolt AI-chipek teljesítmény/dollár aránya átlagosan évi 49%-kal nőtt (2026. augusztus 13.)
- Kommentár: 9 nagy kérdés, amelyben a benchmarkok segíthetnek (2026. augusztus 14.)
- Finanszírozás szűkítheti-e az AI-számítást? Egy Anthropic esettanulmány (2026. augusztus 12.)
Záró gondolatok
Az Epoch Brief most közölt mérési eredményei és elemzései három dolgot emelnek ki: (1) a hardver- és gyártási ökoszisztéma strukturális hatásai (például exportkorlátozások) hosszú távon formálják, ki vezet az AI-hardware piacon; (2) a jelenlegi gazdasági statisztikák nem feltétlenül képezik le pontosan a technológiai fejlesztések makrogazdasági értékét; (3) a modellarchitektúrák és adatkövetelmények közti különbségek gyakorlati hatással vannak költségekre és késleltetésre nagy skálán. Az Astra és a FrontierMath Erdős eredményei pedig azt mutatják, hogy a képességek gyorsan javulnak, miközben az infrastruktúra és a mérési módszerek is gyorsan követik a változást.
