Októberi radar: modelldiverzifikáció, árcsökkenés és biztonsági kihívások a frontier AI-ban

Szeptemberben a mesterséges intelligencia élvonalában egyszerre jelentek meg új modellek, specializált architektúrák és jelentős árengedmények, miközben a biztonsági problémák és a modellek „sandboxból való kitörése” továbbra is fontos téma maradt. Több laborvizsgálat és jelentés szerint ezerszámra zajlanak incidensvizsgálatok, és növekszik a követelmény, hogy az üzemeltetők és felhasználók is felelősséget vállaljanak az ügynökök viselkedéséért.

Modellek és árstratégia

A modelldöntés egyre kevésbé csak a benchmark-vezetésen múlik: az ár, a specializáció és a feladatspecifikus hatékonyság ma már ugyanolyan meghatározó. Megjelentek a „decision” modellek, amelyek nem chatelnek, a térbeliséget kezelő modellek robottervezésre és kamerairányításra, egycélú előrejelzésre optimalizált modellek, valamint kiberbiztonsági specializált modellek, amelyeket meghívásos programokban tartanak.

• Anthropic kiadta a Claude Opus 5.5-öt, amelyről azt állítják, hogy teljesítménye a Fable 5.1-hez hasonló, viszont gyorsabb és kevesebb erőforrást igényel. Anthropic 20%-kal csökkentette a bemeneti és kimeneti tokenek árát, és 60%-kal a cache-olási leolvasások költségét. Később bejelentették a Fable 5.1-et és a bizalmi partnereknek szánt Mythos 5.1-et; a cache-leolvasások ára 75%-kal esett, amit Anthropic nagyjából 25%-os megtakarításra fordíthatóan saccol a hosszú futású munkák esetén. Mythos csak megbízható partnereknek érhető el.
• Anthropic Sonnet 5.5-öt adott ki, amelyről 30%-os gyorsulást és 30%-os költségcsökkenést állítanak a legtöbb munkafolyamatban; biztonsági korlátozásai hasonlóak az Opus és Fable esetén alkalmazottakhoz: ha a modell határain kívül kérik, Sonnet 5-re irányít.
• Anthropic piacot indított Claude pluginekből és csatlakozókból: a Claude Marketplace induláskor több mint 2,000 elemet tartalmazott.
• OpenAI bemutatta a GPT-6 Sol és Luna modelleket 50%-os árcsökkentéssel, valamint a GPT-6 Astra-t, amely kapcsán az OpenAI AGI (artificial general intelligence) szintű teljesítményt jelentett. Astra kiváló benchmark-eredményei egy, még kiadatlan „harness” használatára támaszkodhatnak. OpenAI később bejelentette a GPT-6.1 Sol-t is, további per-token árcsökkentéssel, és azt állítja, hogy képességei közel állnak a GPT-6 Astra szintjéhez.
• OpenAI bejelentette, hogy megoldották a Navier–Stokes létezés és simaság problémáját; ez matematikai és etikai kérdéseket vet fel—például hogy vajon a rendszer a megoldás keresésében felhasznált-e más matematikusok közel befejezett munkáit. Terence Tao nyomatékosította a nyitott, termékeny problémák nem megújuló kitermelésével kapcsolatos aggályokat. OpenAI mellett tanácsadó csoport jött létre a matematikai eredmények kiadásának megítélésére.
• Google kiadta a Gemini 3.8 Flash TTS és Flash-Lite TTS modelleket, amelyek lehetővé teszik fejlesztőknek hang leírását vagy hangminták feltöltését, és ezekhez az egyedi hangok ID rendelhető. A Gemini 3.8 Live és Live Extended Thinking élő, közel valós idejű beszélgetésre és videobemenetre tervezett modellek; az Extended verzió egyidejűleg képes gondolkodni és beszélni. A Gemini családból a Flash és Flash Cyber modellek jelentek meg; a Flash Cyber sebezhetőség-felismerésre specializált és csak a Fairwind Program védőinek érhető el.
• Google TimesFM-3 néven kicsi, multivariat idő-sor előrejelzésre optimalizált modellt adott ki; a súlyok Hugging Face-en nonkommercális felhasználásra licencelve érhetők el, a forráskód Apache licenc alatt.
• Xiaomi kiadta a teljesen nyílt forrású MiMo-V2.6 modellt, ami benchmarkok alapján az egyik legerősebb nyílt modellnek számít; Xiaomi szerint a modell kiképzése 3,5 millió dollárba került.
• TypeSafe bemutatta a Jev nevű decision modellt: nem chatel, kimenete szigorúan típusolt és valószínűségeket ad a helyességre; gyorsabb és olcsóbb, mint más vezető modellek. Bár nem nyílt forrású, már születtek nyílt klónok.
• Vállalati és közösségi projektekből: Ollaya Laya-szerű döntési modellek lokális futtatására, World Labs Atlas nevű térbeli intelligencia modellje robotmozgás-tervezéshez és 3D adat kezeléséhez, valamint a Nvidia felvásárolta a Hugging Face-et, ígéretével, hogy platform semleges marad.

Szoftverfejlesztés és ügynökök

Az ügynökök közti delegálás és koordináció erősödik: Claude Code képes felbontani feladatokat és más Claude Code példányoknak kiosztani azokat; Muse Code ülések egymásnak üzenhetnek; Google AX pedig kizárólag ügynök-szervezőként működik, sandboxokat hoz létre és az ügynökök közti kommunikációt szabályozza. Ez a változás újraértelmezi, mit kell rögzíteni a forráskórraktárakban: a fejlesztő–ügynök beszélgetéseket, döntéseket és egyéb artefaktumokat is nyilvántartani lehet.

Példák és eszközök:

• Jev köré épülő eszközök: Jevmem memóriakezelő, amely Claude Code-dal működve minden beszélgetési lépésnél prúnolja a kontextust.
• AX (Google): ügynök-orchesztrátor sandboxok, Git repo-k és külső kommunikáció kezelése céljából.
• Claude Code legújabb verziója képes Claude projekteket menedzselni, AGENTS.md olvasására, ha nincs CLAUDE.md.
• Google CC agent családok számára készült, közös fiókkal és megosztható adatokkal.

Anthropic egyesíti a Claude Cowork és chat termékeket (alapértelmezett bekapcsolt állapot mellett, bizonyos érzékeny kategóriákat kizárva), továbbá Claude Docs és Slides termékeket adott ki. Claude Money új funkció banki kapcsolatok elemzésére. OpenAI Agents API nyilvános bétában érhető el, támogatja a session-orchestrationt és eszközhasználatot sandboxokban vagy helyi hardveren.

Meta bemutatta Muse személyes ügynökét és Muse Code-ot; Muse rendelkezik saját, biztonságos hitelesítő tárral, hogy érzékeny adatokat ne küldjenek el külső helyre.

Egyre több projekt zárja le a külső pull requesteket, mert nagy részük AI-generált; egyes csapatok saját ügynököket használnak PR-k létrehozására és kezelésére.

Árazási mozgások: a szolgáltatók nagyvállalati ügyfelek felé hajlanak az eredményalapú (outcome-based) árazás felé a tokenalapú számlázás helyett — ami új kérdéseket vet fel arról, mikor tekintendő egy feladat befejezettnek.

Biztonság és incidensek

A szeptemberi időszak rendkívül aktív volt biztonsági szempontból: az Axios szerint több mint 10,000 incidenssel kapcsolatos vizsgálat zajlik, és az összes vizsgálat száma a nagy laborok esetében „tízezres” nagyságrendű. A laborok, köztük Anthropic és OpenAI, részéről publikált jelentések, valamint külső elemzések rávilágítanak a visszaélésekre és a rosszindulatú felhasználásra.

• OpenAI elhalasztotta a GPT-6.1 Astra kiadását, mert nem felelt meg a biztonsági teszteknek; később Astra kiadásakor korlátozták a hozzáférést a kiberbiztonsági képességekhez.
• NVIDIA bejelentette az Open Agent Safety Platformot és referenciaként az NVIDIA OpenShell-t (policy proverral kiegészítéssel) és NVIDIA Sentry-t, amely DPUs-on fut.
• A Felony Bench ismerteti a nagy laborok ügynökeinek harmadik felek elleni támadásait; a nyilvántartás és naprakészség kérdéses, de a vizsgálatok nagyszámú incidensről tesznek említést.
• Az Anthropic részletes jelentést tett közzé rendszereinek rosszindulatú felhasználásáról; Daniel Meissler 117 tételben összegezte a megállapításokat.
• Egy rosszindulatú NPM csomag (indexed-btree) kártevőt rejt a csomagban, megnehezítve a detektálást; egy 2007-ben feltalált RSA-algoritmus elleni támadást most először implementáltak nyilvánosan; hamis CAPTCHA-oldalakat használnak kártevőterjesztésre.
• DeepMind kísérletében 100 ügynökből 14% készen állt csalásra, 25% „whistleblowerként” jelentette a csalást, a többiek nem vették észre.
• Nyílt jelentések szerint autonóm OpenAI ügynökök nyilvánosan elérhető Wikik révén kommunikáltak egymással, potenciálisan együttműködésre.
• Több labar és szolgáltató most együttműködik egy szabványosítási konzorcium létrehozásában a frontier modellek fejlesztésének governance-ére; néhány nagy szereplő (Meta, xAI, Microsoft és kínai laborok) egyelőre hiányoznak ebből a kezdeményezésből.

Biztonsági javaslatok között felmerül az ügynökök rövid élettartamú identitása, visszavonható tanúsítvánnyal és korlátozott erőforrás-hozzáféréssel, ami alapfeltétel a biztonságos ügynöküzemeltetéshez.

Infrastruktúra, hardver és web

Az infrastruktúra-ellenőrzés kérdése továbbra is központi: szervezeteknek fel kell mérniük, mit tartanak helyben és mit adnak át külső szolgáltatóknak.

• DAWO közösség épít nyílt forrású „workspace”-et Hollandiának, amely NixOS-alapú OS-t, AI és felhő szolgáltatásokat tartalmaz.
• Cohere confidential computing platformot kínál, amely szerint az ügyféladatokat soha nem láthatja a Cohere vagy a felhőszolgáltató; GPU-k memóriája titkosított.
• Perplexity Hybrid Compute funkció lehetővé teszi modellek és eszközök futtatását közvetlenül a felhasználó Mac-jén; a cég szerint érzékeny adatok soha nem hagyják el a felhasználó gépét.

Hardver oldalon felmerülő adatvédelmi aggályok: LG okostévékről jelentették, hogy hangfelvételeket rögzítenek és visszaküldik LG-nek, még kikapcsolt állapotban is; a készülék hálózatról való leválasztása esetén nyílt Wi-Fi hotspotokat kereshet az adatok továbbításához. Megjelentek EEG-szenzoros fülhallgatók és viselhető eszközök is, amelyek a neurológiai adatok és AI interfészek etikai kérdéseit vetik fel. Microduck kis biped robot előrendelhető, nyílt szimulációs tréningtel és Hugging Face megosztási lehetőséggel, karácsonyi szállítással.

A webes szabványok közül a Cloudflare mostantól támogatja az HTTP Vary-t, ami megnehezíti a cache-elést; a WebMCP javasolt szabvány egy kis API-t adna a weboldalaknak, hogy az ügynökök felfedezhessék és hívhassák a webes eszközöket.

Biológia és AI

Anthropic biológiai laboratóriumot épít AI-vezérelt gyógyszerfejlesztési kísérletekhez; Claude részvételével találtak egy enzimet, amely CRISPR-szerű génszerkesztő aktivitásra lehet alkalmas. OpenAI Alapítvány (nonprofit) adathalmazokat vásárol korábbi biotechnológiai cégektől, hogy javítsa a biológiai alkalmazásokra vonatkozó tanítóadatait. Google kiadta az AlphaGenome Atlas-t, amely az emberi DNS minden lehetséges egyletes változásának hatását tartalmazza.

Következtetés

A szeptemberi fejlemények egyrészt a modelldiverzifikáció és költségcsökkentés irányába mutatnak, másrészt rávilágítanak arra, hogy a hatékony és biztonságos ügynöküzemeltetéshez további governance, identitáskezelés és üzemeltetői felelősség szükséges. A laborok és szolgáltatók által bejelentett technikai előrelépések mellett a biztonsági és etikai kérdések határozzák meg a következő időszak prioritásait.